http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
안재균 ( Jaegyoon Ahn ),윤영미 ( Youngmi Yoon ),신은지 ( Eunji Shin ),박상현 ( Sanghyun Park ) 한국정보처리학회 2009 한국정보처리학회 학술대회논문집 Vol.16 No.2
본 논문에서는 이상 표식 유전자를 사용하는 기존 분석방법과 달리, 두 유전자 사이의 관계를 측정하여 정상 클래스와 암 클래스에서의 상관관계가 변화된 정도를 분석하여 차이가 두드러지는 유전자 쌍(gene pair)을 질병 분류자(classifier)로 선택하는 방법을 제시한다. 제안한 암 분류 방법의 실험 결과, 소수의 분류자를 선택하여 높은 정확도로 암을 분류함으로써 그 유용성을 검증하였다.
단백질 상호작용 네트워크 및 유전자 발현값을 이용한 중복 허용 단백질 복합체 탐색 방법
안재균(Jaegyoon Ahn),여윤구(Yunku Yeu),윤영미(Youngmi Yoon),박상현(Sanghyun Park) 한국정보과학회 2012 정보과학회논문지 : 데이타베이스 Vol.39 No.3
단백질 복합체(protein complex)를 찾아내는 것은 생물학적인 현상들을 이해하는 데 있어서 가장 기본적으로 선행되어야 할 과제 중 하나이다. 단백질 복합체를 찾는 방법 중 가장 널리 쓰이는 방법은 단백질 상호 작용 네트워크(protein interaction network)의 군집화(clustering)를 이용하는 것이다. 그러나 이러한 방법을 이용할 경우 단백질 상호 작용 네트워크의 각 간선(protein interaction)은 높은 거짓 긍정(false positive) 및 거짓 부정(false negative) 오류율을 보이기 때문에, 네트워크로부터 단백질 복합체를 정확히 찾아내는 것은 어려운 작업이다. 따라서 본 연구에서는 네트워크 데이터 외에도 유전자 발현값 데이터를 추가적으로 이용해서 단백질 복합체를 찾는 방법을 제시한다. 이 방법은 어떤 단백질은 여러 단백질 복합체에 속할 수 있으므로, 중복을 허용하는 네트워크 탐색 방법을 사용한다. 결과적으로, 본 연구에서 제시한 방법을 이용했을 경우 기존의 단백질 복합체 탐색 방법보다 정확하게 단백질 복합체를 찾음을 확인할 수 있었다. Detecting protein complexes is essential work for understanding biological functions and processes. Most protein complexes detecting methods are based on clustering the protein interaction network. However, one of the difficulties in these methods originates from the fact that protein interactions suffer from high false positive rate. We propose a protein complex detecting algorithm which employs gene expression data, as well as protein interaction network. The proposed algorithm allows overlapping of the protein complexes based on the fact that some proteins can be involved in several complexes at the same time. As a result, we could confirm that our algorithm is more accurate than existing algorithms.
Park, Chihyun,Ahn, Jaegyoon,Yoon, Youngmi,Park, Sanghyun Oxford University Press 2012 Bioinformatics Vol.28 No.15
<P>Identifying functional relation of copy number variation regions (CNVRs) and gene is an essential process in understanding the impact of genotypic variations on phenotype. There have been many related works, but only a few attempts were made to normal populations.</P>
Drug voyager: a computational platform for exploring unintended drug action
Oh, Min,Ahn, Jaegyoon,Lee, Taekeon,Jang, Giup,Park, Chihyun,Yoon, Youngmi BioMed Central 2017 BMC bioinformatics Vol.18 No.1
<P><B>Background</B></P><P>The dominant paradigm in understanding drug action focuses on the intended therapeutic effects and frequent adverse reactions. However, this approach may limit opportunities to grasp unintended drug actions, which can open up channels to repurpose existing drugs and identify rare adverse drug reactions. Advances in systems biology can be exploited to comprehensively understand pharmacodynamic actions, although proper frameworks to represent drug actions are still lacking.</P><P><B>Results</B></P><P>We suggest a novel platform to construct a drug-specific pathway in which a molecular-level mechanism of action is formulated based on pharmacologic, pharmacogenomic, transcriptomic, and phenotypic data related to drug response (http://databio.gachon.ac.kr/tools/). In this platform, an adoption of three conceptual levels imitating drug perturbation allows these pathways to be realistically rendered in comparison to those of other models. Furthermore, we propose a new method that exploits functional features of the drug-specific pathways to predict new indications as well as adverse reactions. For therapeutic uses, our predictions significantly overlapped with clinical trials and an up-to-date drug-disease association database. Also, our method outperforms existing methods with regard to classification of active compounds for cancers. For adverse reactions, our predictions were significantly enriched in an independent database derived from the Food and Drug Administration (FDA) Adverse Event Reporting System and meaningfully cover an Adverse Reaction Database provided by Health Canada. Lastly, we discuss several predictions for both therapeutic indications and side-effects through the published literature.</P><P><B>Conclusions</B></P><P>Our study addresses how we can computationally represent drug-signaling pathways to understand unintended drug actions and to facilitate drug discovery and screening.</P><P><B>Electronic supplementary material</B></P><P>The online version of this article (doi:10.1186/s12859-017-1558-3) contains supplementary material, which is available to authorized users.</P>
유전체 단위 반복 변이(CNV) 발견을 위한 개선된 SW-ARRAY
문명진(Myungjin Moon),안재균(Jaegyoon Ahn),윤영미(Youngmi Yoon),박치현(Chihyun Park),박상현(Sanghyun Park) 한국정보과학회 2008 한국정보과학회 학술발표논문집 Vol.35 No.1
최근 유전체 단위 반복 변이(CNV)의 중요성이 부각되고 있다. CNV란 DNA가 복제될 때 일부가 만들어지지 않거나 혹은 많이 만들어져 그 양이 차이가 나게 되는 것으로, 인간의 질병이나 형질과 밀접한 관련을 가진다고 알려져 있다. 이에 따라 CNV와 관련된 연구가 활발히 진행되었으며, CNV를 찾기 위한 다양한 방법들이 나오게 되었다. 본 논문에서는 CNV를 찾아내는 대표적인 기법 중 하나인 SW-ARRAY에 대해서 알아보고, 여기에 페널티 값과 점수에 따른 가변 임계값을 적용하여 보정함으로써 기존 SW-ARRAY의 문제점을 해결하는 방법을 제안한다. 이를 실제 Array-CGH 데이터에 적용한 결과 긍정 오류 값이 줄어들어 기존의 방식에 비해 정확한 값을 얻게 되었다.
Prediction of GPCR-Ligand Binding Using Machine Learning Algorithms
Seo, Sangmin,Choi, Jonghwan,Ahn, Soon Kil,Kim, Kil Won,Kim, Jaekwang,Choi, Jaehyuck,Kim, Jinho,Ahn, Jaegyoon Hindawi 2018 Computational and mathematical methods in medicine Vol.2018 No.-
<P>We propose a novel method that predicts binding of G-protein coupled receptors (GPCRs) and ligands. The proposed method uses hub and cycle structures of ligands and amino acid motif sequences of GPCRs, rather than the 3D structure of a receptor or similarity of receptors or ligands. The experimental results show that these new features can be effective in predicting GPCR-ligand binding (average area under the curve [AUC] of 0.944), because they are thought to include hidden properties of good ligand-receptor binding. Using the proposed method, we were able to identify novel ligand-GPCR bindings, some of which are supported by several studies.</P>